你有没有过这样的经历？灵光一闪，想赶紧记下想法，但打字太慢，思路都断了；或者写代码时，变量名拼得手酸，还容易出错。这时候，如果能像说话一样自然地输入文字，该多好？

市面上确实有像 Wispr Flow 这样的优秀工具，它能让你用语音高效写作，甚至自动润色。但问题来了：它要 $12/月 的订阅费 ，你的语音数据还得上传到云端 ，而且对中文的支持，怎么说呢，总感觉差点意思。

如果你也在寻找一个免费、开源、本地运行、专为中文优化的替代方案，那么今天要介绍的这款工具——「蛐蛐（QuQu）」，很可能就是你要找的答案。

为什么我们需要「蛐蛐」？

在深入介绍之前，我们先聊聊痛点。Wispr Flow 确实强大，它支持 100 多种语言，能自动编辑文本，甚至能理解你的写作风格 。但它的核心逻辑是云端服务。这意味着：

  1. 成本问题：长期订阅是一笔不小的开销。
  2. 隐私顾虑：你的所有语音内容，无论是工作机密还是个人想法，都要经过第三方服务器。
  3. 中文体验：虽然支持中文，但其核心模型并非为中文语境（比如网络用语、特定口音）深度优化。

「蛐蛐」的诞生，正是为了解决这些问题。它不是一个简单的模仿者，而是一个站在巨人肩膀上，为中文用户量身定制的下一代语音工作流。

蛐蛐 vs Wispr Flow：核心对比

核心对比 🎯 蛐蛐 (QuQu) 💰 Wispr Flow
价格 ✅ 完全免费 ❌ $12/月订阅
隐私 ✅ 数据本地处理，不上云 ❌ 云端处理
中文支持 ✅ 专为中文优化 ⚠️ 通用支持，非深度优化
AI模型 ✅ 支持国产AI（通义千问、Kimi等） ❌ 仅支持国外模型

这个表格清晰地展示了「蛐蛐」的核心价值主张：免费、私有、本土化。

「蛐蛐」到底是什么？它能做什么？

简单来说，「蛐蛐」是一个运行在你电脑上的桌面应用。你按下快捷键（默认 F2），对着麦克风说话，它就能：

  1. 精准地把你说的中文转成文字。
  2. 聪明地帮你润色、纠错、过滤掉“嗯”、“啊”等口头禅。
  3. 无缝地把最终结果粘贴到你当前正在使用的任何软件里（比如 VS Code、微信、Word）。

想象一下这个场景：

你说：“把那个函数名改成 getUserProfileData，不对，应该是 fetchUserProfile。”

传统语音输入工具可能会输出一串包含错误和修正过程的混乱文字。而「蛐蛐」，得益于其独特的“两段式引擎”，会直接输出干净利落的：

fetchUserProfile

这种体验，是不是很像有个贴心的助手在帮你实时整理思路？

技术亮点：它是如何做到的？

「蛐蛐」的强大并非凭空而来，它巧妙地融合了两个领域的顶尖技术。

1. 顶尖中文识别，隐私至上：FunASR Paraformer

语音识别（ASR）是整个流程的第一步，也是最关键的一步。如果第一步就错了，后面再怎么润色也白搭。

「蛐蛐」选择了阿里巴巴达摩院开源的 FunASR 工具包，并内置了其核心模型 Paraformer。这个模型可不是小打小闹，它是基于数万小时的工业级中文语音数据训练而成 ，专门针对中文的发音、语调、网络用语进行了优化。

更重要的是，整个识别过程完全在你的电脑本地完成。你的声音数据不会离开你的设备，从根本上解决了隐私泄露的风险。Paraformer 作为一种非自回归模型，在保证高精度的同时，还拥有非常快的推理速度 ，即使在普通电脑上也能流畅运行。

2. 会思考的“两段式引擎”：ASR + LLM

这才是「蛐蛐」的灵魂所在。

  • 第一段：ASR（语音识别）。由本地的 FunASR Paraformer 负责，将你的语音高精度地转换为原始文本。
  • 第二段：LLM（大语言模型）。将 ASR 输出的原始文本，发送给你自己配置的 AI 模型（比如通义千问、Kimi），让它进行智能优化。

这个 LLM 阶段能做什么？可能性几乎是无限的，取决于你给它的指令。默认情况下，它会：

  • 自动纠错：如前面例子中的“周三开会，不对，是周四” → “周四开会”。
  • 过滤废话：去掉“那个”、“然后”、“就是说”等无意义的填充词。
  • 添加标点：让输出的文本结构清晰，可读性强。
  • 格式化：根据上下文，自动调整格式。

3. 为国内优化的开放AI生态

「蛐蛐」没有把自己绑死在某一家 AI 服务商上。它采用了兼容 OpenAI API 的设计。这意味着，只要一个模型服务提供了标准的 OpenAI 接口，「蛐蛐」就能用。

好消息是，目前国内几乎所有主流的大模型，包括通义千问（Qwen） 、Kimi（Moonshot） 、智谱AI（GLM） 等，都提供了 OpenAI 兼容的 API。这带来了三大好处：

  1. 响应更快：服务器在国内，网络延迟低。
  2. 成本更低：国产模型的调用价格通常更具竞争力。
  3. 合规性好：数据处理符合国内法规。

4. 开发者与效率专家挚爱

如果你是个程序员，「蛐蛐」还有一个让你惊喜的功能：它能准确识别并格式化编程术语。

无论是 camelCase（驼峰命名）还是 snake_case（下划线命名），你只要清晰地说出来，它就能正确地转换成代码格式。再也不用担心语音输入把 userName 变成 user name 了。

更进一步，通过自定义 LLM 的指令，你可以让它感知上下文。比如，当你在 VS Code 里使用时，它可以自动以代码注释的格式输出；当你在写邮件时，它又能自动调整为更正式的书信体。

快速上手：手把手教你安装和使用

心动不如行动！下面我将带你一步步安装并配置「蛐蛐」。整个过程并不复杂，只要你有一点点命令行基础。

第一步：检查环境要求

在开始之前，请确保你的电脑满足以下条件：

  • 操作系统：macOS 10.15+ / Windows 10+ / Linux
  • Node.js：18 或更高版本（用于运行 Electron 应用）
  • pnpm：一个现代化的 JavaScript 包管理器（可以使用 npm install -g pnpm 安装）
  • Python：3.8 或更高版本（用于运行本地的 FunASR 服务）

第二步：安装与配置

打开你的终端（Terminal 或 CMD），依次执行以下命令：

# 1. 克隆项目到本地
git clone https://github.com/yan5xu/ququ.git
cd ququ

# 2. 安装前端和桌面端依赖
pnpm install

# 3. 安装 FunASR 环境（这是本地语音识别的核心）
pip install funasr modelscope

# 4. 启动应用！
pnpm run dev

执行完 pnpm run dev 后，「蛐蛐」的主界面应该就会弹出来了。

第三步：配置你的 AI 模型

应用启动后，你会看到一个设置页面。在这里，你需要填入你选择的 AI 服务商提供的三个关键信息：

  1. API Key：你的身份凭证。
  2. Base URL：API 的请求地址。例如，通义千问的可能是 https://dashscope.aliyuncs.com/compatible-mode/v1，Kimi 的是 https://api.moonshot.cn/v1。
  3. 模型名称：比如 qwen-max、moonshot-v1-8k 等。

填好后，点击保存。配置信息会安全地存储在你的本地电脑上。

第四步：开始使用！

现在，一切准备就绪。在任何需要输入文字的地方，按下 F2 键（你也可以在设置里修改这个快捷键），对着麦克风说出你的想法。说完后，「蛐蛐」会自动将处理好的文本粘贴到光标处。

常见问题与故障排除（FAQ）

在安装和使用过程中，你可能会遇到一些小问题，这里列出最常见的几个：

Q1: 首次运行时，FunASR 模型下载很慢怎么办？
A: 这是因为模型文件较大（几百MB到1GB）。请确保你的网络连接稳定。首次下载完成后，以后启动就会非常快了。

Q2: 在 macOS 上遇到 SSL 警告，导致模型加载缓慢？
A: 这是一个已知的兼容性问题。你可以通过降级 urllib3 库来解决：

python3 -m pip install "urllib3<2.0"

Q3: 提示 Python 环境或权限错误？
A: 请确保你使用的是 Python 3.8+。如果遇到权限问题，可以尝试在 pip install 命令后面加上 --user 参数，将包安装到用户目录下。

Q4: 我没有国产大模型的 API Key，可以用吗？
A: 可以！「蛐蛐」支持任何兼容 OpenAI API 的服务。如果你有 OpenAI 的 API Key，同样可以配置使用。不过，为了获得最佳的中文体验和更低的延迟，强烈推荐使用国产模型。

技术栈一览

对于技术爱好者，这里简单介绍一下「蛐蛐」背后的技术选型：

  • 前端: React 19, TypeScript, Tailwind CSS (构建现代、响应式的用户界面)
  • 桌面端: Electron (让你的 Web 应用变成一个真正的桌面程序)
  • 语音技术 (本地): FunASR (集成了 Paraformer-large 语音识别、FSMN-VAD 语音端点检测、CT-Transformer 标点恢复)
  • AI模型 (可配置): 兼容 OpenAI, Anthropic, 以及阿里云通义千问、Kimi、智谱AI 等
  • 数据库: better-sqlite3 (用于本地存储配置和历史记录)

总结：一个值得尝试的未来

「蛐蛐（QuQu）」不仅仅是一个工具，它代表了一种新的可能性：将强大的 AI 能力，以开源、免费、尊重隐私的方式，交还给用户。

它解决了 Wispr Flow 等商业软件在中文场景下的痛点，利用本地 ASR 保证了隐私和基础识别的准确性，又通过开放的 LLM 生态，赋予了文本无限的智能优化潜力。

无论你是需要高效写作的内容创作者，还是追求极致效率的开发者，亦或是对数据隐私有极高要求的专业人士，「蛐蛐」都值得一试。更重要的是，它是一个活跃的开源项目，社区欢迎任何形式的贡献。如果你有更好的想法，完全可以参与到它的建设中来。

现在就去 GitHub 克隆项目，体验一下用语音“所想即所得”的流畅写作吧！